沃爾瑪企業服務高級副總裁David Glick討論了用實時迭代取代季度規劃、從整體式AI轉向聯邦式納米代理，以及構建可擴展代理開發平台的方法。

本文跟隨黃仁勳（英偉達CEO）的北京半日Citywalk路線，打卡了尹三豆汁、鼓樓饅頭、黃瓦增福財神廟、蜜雪冰城、紫光園酸奶、方磚廠炸醬麪、稻香村、玩具店、後海酒吧、慶雲樓和潮府林苑等地點，記錄了沿途遇到的店主和粉絲的互動故事，並製作了開源攻略路線圖。

Cloudflare 在 Project Glasswing 下測試了 Anthropic 的 Mythos Preview 模型，發現其在漏洞鏈構建和利用證明生成方面有顯著進步，但也存在信號噪聲和有機拒絕問題。文章討論瞭如何通過構建 harness 來提高 AI 輔助漏洞研究的效率和可靠性。

LeCun公開批評Hinton，認為他認可大語言模型（LLM）是為了找藉口退休。

本尼迪克特·埃文斯每半年發佈一次關於科技行業宏觀戰略趨勢的演講。最新的2026年春季演講主題為“AI吞噬世界”。自2023年以來，該系列演講一直沿用此主題，此前有“AI與一切其他”、“新看門人”等。

教皇利奧十四世成立梵蒂岡內部人工智能研究小組，以應對AI快速發展的倫理挑戰。其首份通諭預計將在未來幾周內發佈，強調以人為本、尊重尊嚴的AI發展原則，並可能引發與特朗普政府的政策分歧。

MLflow AI Gateway 可以自動記錄 LLM 調用的追蹤信息，幫助開發者調試智能體應用和編碼助手。文章介紹了其用法、與 LiteLLM 的集成、對 Copilot CLI 的支持，以及追蹤作為擴展問題的討論。

AI降低了交易成本，導致傳統層級組織逐漸瓦解，正如羅納德·科斯所預言的那樣。

Replit在解決與蘋果在App Store審核上的爭議後，發佈了四個月來的首次iPhone應用更新，將Replit Agent 4引入移動端，支持並行代理、團隊協作合併流程以及跨工作空間項目查看。

第十一屆信也科技杯全球AI算法大賽啓動，聚焦漢語方言對話題，提供30萬獎金池及NLPCC2026直通名額，旨在推動方言處理技術發展。

彙集每日Claude Code最新動態與討論，幫助開發者緊跟AI編程助手進展。

Krea AI 推出了其首款自研基礎模型 Krea 2，專注於美學多樣性和創意控制，支持風格參考和情緒板功能。用户反饋不一，稱讚其生成速度和界面，但指出圖像質量不穩定、編輯精度不足等問題。

埃裏克·施密特在大學畢業典禮上發表讚揚AI的演講，遭到學生噓聲，場面尷尬。

儘管許多人認為AI將使高等教育過時，但經濟原理表明，AI可能通過增加對尖端知識、複雜工具使用和可靠信號的需求，反而提升某些高等教育的價值。

Montage M1 允許AI代理通過單個API調用生成交互式、持久的UI，大幅減少token消耗和生成成本，支持品牌定製和持久狀態。

AnyFrame是官方Python SDK，用於管理AI代理沙箱。它允許用户將代理指向代碼倉庫，並在沙箱中運行Claude Code。該SDK提供了代理管理、會話控制、技能配置、MCP連接器、構建和預覽等功能，支持異步操作，並內置了注意力軌道和錯誤處理機制。

本文提出一種訓練人形機器人蔘考引導感知強化學習運動策略的方法，在訓練中根據地形幾何調整參考軌跡。該方法在強化學習訓練循環內合成SE(2)可控參考軌跡，將期望的腳步投影到有效立足點，並調整擺動腳和質心軌跡以適應地形。在仿真中，地形條件參考顯著提升了跟蹤性能。在硬件上，集成MPC+控制障礙函數規劃器，在Unitree G1機器人上實現了超過70米的長距離閉環自主導航，穿越崎嶇地形和連續樓梯，所有感知和計算均在板載完成。

本文提出了一種基於二次無約束二元優化（QUBO）的框架，用於機器人設計優化，利用運動學結構級評估指標。該框架將經典計算與量子退火相結合，以機械手為案例研究，展示瞭如何將單個手指的運動學特徵和交互項轉化為統一的二次模型。通過模擬退火和量子退火驗證了可行性，得到了滿足約束的設計組合。

論文提出LAPS框架，通過基於可靠性的主動池化和不確定性引導的主動採樣，有效緩解增量式神經距離場建圖中的災難性遺忘問題，在保持幾何精度的同時提高了重建完整性。

研究人員提出FLASH策略，利用勒讓德多項式軌跡表示和稀疏時間採樣實現單步推理，在五個模擬和兩個真實世界的操作任務中達到92%以上的成功率，推理時間僅31.4毫秒，比擴散策略快175倍。

該研究提出了一種利用大語言模型（LLM）優化建築機器人任務調度的智能框架。系統通過自然語言處理接口與建築專業人員交互，並實時適應突發工地情況。框架採用雙LLM代理架構：生成器（GPT-4）和監督器（Gemma 3/Llama 4/Mistral 7b），以提供更精確的任務計劃。評估結果顯示，LLM在建築機器人操作任務中具有關鍵作用。

本文提出一種混合控制框架——延遲魯棒強化學習，通過集成LSTM狀態估計器與殘差強化學習策略，有效應對遙操作中的隨機通信延遲。在Franka Panda機器人上的實驗表明，該方法在高方差隨機延遲下仍能實現穩定魯棒的遙操作，顯著優於現有基線。

本研究提出了一種視覺引導方法，幫助自主無人機在樹上找到理想的棲息位置。通過圖像處理算法（包括機器學習、圖像分割和二值形態學）評估樹枝的寬度、坡度和曲率，而非僅識別最近的樹枝。在超過10,000張城市樹木圖像的數據集上，該方法對76%的可行目標成功生成結果。未來將結合深度感知和姿態傳感器數據進一步提升。

本文提出一種基於擴散的視覺運動控制策略，用於解決機器人打開重型自閉門並通過的複雜任務。該策略通過端到端學習實現移動基座與雙臂的緊密協調，在長時域任務中表現出高成功率和魯棒性。

本文介紹了HoloMotion-1，一種用於零樣本全身運動跟蹤的人形運動基礎模型。其關鍵創新在於利用大規模混合運動語料庫擴展控制策略訓練，其中從現實視頻中重建的運動提供了主要多樣性來源，而精心策劃的動作捕捉和內部運動數據提供了更高質量的監督和部署導向覆蓋。該模型集成了大容量時間建模、稀疏激活的混合專家Transformer和KV緩存推理以實現實時控制，以及序列級訓練策略。實驗表明，HoloMotion-1在多種未見過的運動基準上表現穩健，顯著提高了跟蹤精度，並可直接轉移到真實人形機器人上，無需任務特定微調。

PhysBrain 1.0是一種新方法，將大規模人類自我中心視頻轉換為結構化物理常識知識，用於改善機器人的理解和控制。通過提取場景元素、空間動態和深度感知關係，訓練視覺語言模型，然後將其適應到機器人策略中。該方法在多個具身AI基準測試中達到最先進水平，尤其在域外任務中表現出色。

PanoWorld是一種全景視頻世界模型，能從單張圖像和描述生成幾何一致的360°視頻。它通過深度一致性損失和軌跡一致性損失增強幾何約束，並引入PanoGeo數據集，在保持視覺真實感的同時顯著提升了幾何一致性，適用於具身AI的空間理解需求。

ChangeFlow 是一種基於潛在整流流的生成式遙感變化檢測框架，通過將變化掩碼合成建模為潛在空間中的整流流，解決了傳統判別式方法無法處理區域級標註模糊性的問題。它採用輕量條件信號和隨機採樣集成，在四個基準上平均 F1 達到 80.4%，優於先前方法且推理速度相當。

本文提出了一種用於羣卷積神經網絡（GCNN）的特徵空間採樣方法，通過用特徵相似性選擇的代表樣本替換幾何密集採樣，從而將幾何分辨率與內存和計算成本解耦。實驗表明，粗粒度的特徵空間採樣能很好地保持分類精度，顯著加速等變3D分類器的訓練。

Minerva-Ego是一個新的基準測試，用於評估複雜自我中心視覺推理，包含多步驟多模態問題和密集標註的推理軌跡。實驗表明，當前最先進的模型與人類性能仍有較大差距，而加入“何時何地”的提示可顯著提升性能。